我是Python新手,我正在研究熊猫数据框架。
所以我有一个类似的数据框:
Client_id Nb_Products
1 2
2 3
3 1
我需要为每个 client_id 分解每行 Nb_Products 次。 所以我需要输出下表:
Client_id Product_Nb
1 1
1 2
2 1
2 2
2 3
3 1
起初我认为我应该为 Nb_Products 创建一系列数字,如:
Client_id Nb_Products_rng
1 [1,2]
2 [1,2,3]
3 [1]
然后爆炸它。 但我无法成功创造这个。
我会对任何答案或部分答案都很满意。 谢谢
答案 0 :(得分:0)
我首先使用索引来加快速度并获得独特的客户端ID
df = df.set_index('Client_id')
client_ids = df.index.get_level_values('Client_id').unique()
然后,我只需通过迭代每个客户端的所有产品来重建DataFrame
res = pd.DataFrame(
[
[client, prod]
for client in client_ids
for prod in range(1, df.loc[client, 'Nb_Products'].max()+1)
],
columns = ['Client_id', 'Nb_Products']
)
我使用的测试数据
import pandas as pd
df = pd.DataFrame(
[[1, 2], [2, 3], [3, 3]],
columns=['Client_id', 'Nb_Products']
)
初始DataFrame
Client_id Nb_Products
0 1 2
1 2 3
2 3 3
结果
Client_id Nb_Products
0 1 1
1 1 2
2 2 1
3 2 2
4 2 3
5 3 1
6 3 2
7 3 3
答案 1 :(得分:0)
您可以通过重复Client_id
Nb_products
时间内的值来实现这一目标,以便爆炸'你的数据集。通过Client_id
列中的值重复行中的Nb_products
值将生成新数据帧的Client_id
变量。我使用列表理解来做到这一点。
要获得第二列 - Product_Nb
,您只需要一个从1开始的序列。
from io import StringIO
import pandas as pd
TESTDATA=StringIO("""Client_id Nb_Products
1 2
2 3
3 1""")
df = pd.read_csv(TESTDATA, sep=" ")
col1 = []
_ = [col1.extend([a]*b) for a,b in zip(df.iloc[:,0].values.tolist(), df.iloc[:,1].values.tolist())]
col2 = []
_ = [col2.extend(list(range(1,i+1))) for i in df.iloc[:,1].values.tolist()]
df2 = pd.DataFrame(list(zip(col1,col2)),columns = ['Client_id', 'Product_Nb'])